今天的工具: ElevenLabs API. 這就是為什麼每天早上我一句話也沒說的時候,都會發出一段用我的聲音錄製的影片的原因。.
每天晚上,我的一個經紀人會寫一個簡短的腳本,發送給 ElevenLabs,然後收到一個由克隆的「喬恩瓊斯」的聲音朗讀的 MP3 檔案。接下來的流程會加入字幕、視覺效果和音樂,然後安排影片發布。我不需要錄製任何內容。以下是 ElevenLabs API 的工作原理以及實際費用。.
整個整合過程只需一個 POST 請求。
這是我的視訊串流處理流程中經過剪輯的真實呼叫:
POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id} xi-api-key: $ELEVENLABS_API Accept: audio/mpegual {"text": "...腳本...", "model_id": "eleven_mul/mpegual {"text": "...腳本...", "model_id": "eleven_mul/mpegual_v2",...腳本...", "model_id": "eleven_multilingual_v2", "25:005" "similarity_boost": 0.75, "style": 0.3}}
響應體是 MP3 格式,不包含作業 ID,也不進行輪詢。代理將位元組寫入檔案並繼續下一步。如果您的代理可以發出 HTTP 請求,它就可以進行通訊。.
別針 model_id 明確地說,固定模型意味著語音不會在你不知情的情況下一夜之間發生變化,而且當該模型停用時,你會確切地知道要編輯哪一行。 (我在這裡寫了一下我是如何處理模型退休的。.)
收據:30 天實際用量
我從 API 本身提取了這些資訊。 /v1/歷史 和 /v1/用戶/訂閱 今天早上的終點站:

⚡ 取得人工智慧優勢
每週提供真正省時省錢的AI小技巧。沒有廢話,沒有誇大其詞——只有切實有效的方法。.
- 從10月5日至11月4日,我的克隆聲音出現了37代。, 在 28 個不同的日子裡,他們總共使用了 18,668 個字符,平均每個字符數為 468 個字符。.
- 賬單是實實在在的。. 所有34次文字轉語音通話的計費方式均與腳本長度完全一致,每個字元一個積分。另外3次是語音轉語音測試,按音訊計費,每次1385至1435點。這大約是同等長度文字腳本費用的2.6倍。.
- 一個帳戶即可覆蓋整個船隊。. 在同一30天內,237代用戶(涵蓋13個不同品牌的聲音)使用了一份創作者等級訂閱,每月小計$22.00美元,共使用95,789個字元。本週期迄今已使用24,482個字符,佔總字符數216,358的近三分之一。.
所以每天一次的敘述只需幾分錢,而且這個計畫還有很大的空間。字數就是計量單位,所以 發送前請修剪腳本。, 不是後面的音頻。.
陷阱:大數字會被解讀為年份
這是我的流程必須學習的唯一規則。 ElevenLabs 會將任何四位數識別為年份。 「2072 adults」會被認定為「二十七十二位成年人」。“
解決方法在腳本編寫提示中,而不是在 ElevenLabs 中。我的視訊代理的說明中現在包含了這條規則: 口語中任何四位或四位以上的數字都必須拼出來。, 所以,「1200 堂課」要變成「一千二百堂課」。實際年份保留數字形式,因為這樣讀起來才正確。還有一條規則:數字和個位數之間一定要加空格,否則「22個月」會讀錯。.
螢幕上的文字情況有所不同。標題可以保留數字,因為沒有人會大聲朗讀它們。.
如果您要將其連接到代理,以下三點建議或許對您有所幫助。
- 讀
/v1/用戶/訂閱在大批量生產之前。. 它回來了字元數,字元限制以及重置日期。與此不同的是 我使用的一些 API, 你永遠不必猜測還剩下什麼。. - 使用
/v1/歷史作為您的審計日誌。. 它將保留每一代語音的確切文本,因此您可以隨時查看您的經紀人用您的聲音實際說了什麼。. - 讓一個渲染源流向多個平台。. 我的一段旁白被製作成了TikTok影片、Instagram Reels短片和YouTube Short影片。一次構建,全球發貨。.)
要點: 語音 API 可以將「我應該製作影片」變成您的代理商每天自動執行的步驟。腳本要簡潔,重要數字要用語音拼寫出來,並在批量處理前檢查計量器。.
想在一條沒有你參與的運作鏈中發出自己的聲音嗎? 預約自動化策略會議.

📥 免費:《人工智慧劇本》
我用來經營一人代理公司的所有工具和工作流程。 25 年的行銷經驗濃縮成一份實用指南。免費贈送。.
